准确率
Accuracy
学到 会用 就够：能亲手用起来
你可能会说
“我评估一个识别稀少政策类型的模型，九成准确率为什么仍可能没有用？”
准确率是分类正确的样本占全部评价样本的比例。它易懂，但类别不平衡时可能掩盖关键漏判；报告前必须说明任务、标签标准、样本范围和计数单位。
使用 AI
科研里的例子
一百段里只有五段谈融资约束，模型全部判没有仍有 95% 准确率，却漏掉研究真正要找的全部材料。
二分类准确率把真阳性与真阴性加总再除以总量，因此大量常见负例可以掩盖少数正例全部失败。多类别或多标签任务还有具体计数口径，不能照抄一个名字。科研评价要先看真实使用中什么错误最昂贵，再结合各类别召回、精确率及混淆矩阵。准确率也依赖人工标签质量；即使计算公式无误，标注定义偏离研究概念，仍无法证明测量有效。
在你的学科里，直接拿去用
把论点与证据逐条对齐
请审核下列论证的证据对应关系。 论证：[粘贴] 允许使用的材料：[清单与原文] 拆成可独立检查的主张，按“主张—来源位置—研究对象与设计—能支持什么—不能支持什么—所需补证”输出。区分相关、机制解释、因果识别和价值判断。找不到依据的格子保留未支持，不补假文献。若需联网补证，先说明搜索范围和访问状态，再把新找到的证据与原材料分列。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG07
判断
亲手检查一次
亲手给一百条样本列出九十五负、五正，把全部预测为负，计算准确率与正类召回，对照实际任务判断可用性。
它做不到的
准确率不是生成内容整体可靠度，也不等于精确率；一个测试集上的高分不能无条件外推到另一时期或地区。
增量，由你来写
读完这张，你的理解变了什么？
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。